Oracle Data Integrator (ODI)؛ فراتر از ETL یکپارچه‌سازی داده

Oracle Data Integrator

ODI  یا Oracle Data Integrator چیست؟ فراتر از  ETLبرای یکپارچه‌سازی داده و انبارداده مقدمه Oracle Data Integrator – در سال‌های اخیر، داده از یک خروجی جانبی سامانه‌های عملیاتی به یکی از مهم‌ترین دارایی‌های سازمان‌ها تبدیل شده است. سازمان‌ها دیگر صرفاً به دنبال ذخیره‌سازی داده نیستند! بلکه می‌خواهند داده‌های پراکنده خود را به اطلاعاتی قابل اعتماد، …

تاریخچه اوراکل؛ از یک ایده در سال ۱۹۷۷ تا غول فناوری جهان

تاریخچه اوراکل 01

تاریخچه اوراکل ؛ از یک ایده در سال ۱۹۷۷ تا غول فناوری جهان تاریخچه اوراکل ؛ از یک ایده تا غول فناوری جهان  آغاز ماجرا: سال ۱۹۷۷ تاریخچه اوراکل ؛ تصور کنید دنیایی که در آن داده‌ها در قفس‌های سخت و غیرقابل‌انعطاف محبوس شده‌اند. سیستم‌های پایگاه داده‌ی آن زمان، هر تغییری را به کاری طاقت‌فرسا …

پایتون در مهندسی داده

پایتون در مهندسی داده

پایتون امروزه فراتر از یک زبان برنامه‌نویسی ساده، به ستون اصلی بسیاری از تیم‌های مهندسی داده تبدیل شده است. سادگی سینتکس، اکوسیستم غنی و قابلیت آن به‌عنوان «glue language» باعث شده که تقریباً در تمام مراحل چرخه حیات داده — از ingestion تا orchestration — حضور داشته باشد.

دیتا پلتفرم مدرن چیست

دیتا پلتفرم مدرن چیست

در بسیاری از سازمان‌ها، داده وجود دارد اما «قابل استفاده» نیست. گزارش‌ها دیر آماده می‌شوند، تصمیم‌ها بر اساس حس و تجربه گرفته می‌شود و پروژه‌های هوش مصنوعی اغلب به دلیل بی‌کیفیتی داده شکست می‌خورند. پاسخ این مسئله در سال‌های اخیر با مفهومی به‌نام دیتا پلتفرم مدرن (Modern Data Platform) شکل گرفته است؛ مفهومی که فراتر از انبار داده، ابزار BI یا حتی دریاچه داده است.
این مقاله تلاش می‌کند به‌صورت دقیق، کاربردی و بدون شعار، توضیح دهد دیتا پلتفرم مدرن چیست، چه چیزی نیست، چگونه کار می‌کند و چرا ستون فقرات تحول داده‌محور و هوشمندسازی سازمان‌ها محسوب می‌شود.

هوش مصنوعی در هوش تجاری

هوش مصنوعی در هوش تجاری

هوش مصنوعی توانسته مرزهای هوش تجاری را بازتر کند. گفت‌وگو با داده، تحلیل شخصی‌سازی‌شده، کشف خودکار الگوها و تولید توصیه‌های عملی، همگی فرصت‌هایی هستند که تنها چند سال پیش دست‌نیافتنی به نظر می‌رسیدند. اما این فرصت‌ها در کنار خود چالش‌هایی نیز دارند. حاکمیت داده، حریم خصوصی، کنترل صحت نتایج و طراحی تجربه کاربری از جمله چالش‌های ایجاد شده می‌باشند. سازمان‌هایی که بتوانند این دو وجه را در کنار هم مدیریت کنند. هم از قدرت هوش مصنوعی بهره خواهند برد و هم از ریسک‌های آن دور خواهند ماند.

معماری داده مقیاس‌پذیر

معماری داده مقیاس‌پذیر

در دنیای امروز که تصمیم‌گیری‌ها به‌شدت بر پایه‌ی داده انجام می‌شود، طراحی یک معماری داده مقیاس‌پذیر برای سازمان‌های متوسط دیگر یک انتخاب نیست، بلکه یک ضرورت است. این مقاله به‌صورت گام‌به‌گام توضیح می‌دهد چگونه می‌توان زیرساخت داده‌ای ساخت که هم با رشد سازمان هماهنگ شود و هم هزینه و پیچیدگی کنترل‌شده‌ای داشته باشد